| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 插图清单 | 第11-12页 |
| 表格清单 | 第12-13页 |
| 1 绪论 | 第13-18页 |
| ·研究背景 | 第13-14页 |
| ·课题的目的与意义 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·论文的创新点以及结构安排 | 第17-18页 |
| ·论文的创新点 | 第17页 |
| ·论文的结构安排 | 第17-18页 |
| 2 舆情与网络舆情 | 第18-28页 |
| ·舆情 | 第18-19页 |
| ·网络舆情 | 第19-23页 |
| ·中国网络发展现状 | 第19-22页 |
| ·网络舆情 | 第22-23页 |
| ·网络舆情的特点 | 第23-25页 |
| ·网络舆情的内容特点 | 第23-24页 |
| ·网络舆情的介质特点 | 第24-25页 |
| ·网络舆情预测与政府危机管理机制 | 第25-28页 |
| ·网络舆情预测 | 第25页 |
| ·政府危机管理机制 | 第25-27页 |
| ·网络舆情预测与政府危机管理机制 | 第27-28页 |
| 3 基于启发搜索的网络爬行器 | 第28-38页 |
| ·网络爬行器 | 第28-30页 |
| ·简介 | 第28页 |
| ·网络爬行器工作原理 | 第28-30页 |
| ·爬行策略分析 | 第30-34页 |
| ·基于深度优先搜索算法 | 第30页 |
| ·基于广度优先搜索算法 | 第30-31页 |
| ·Pagerank算法 | 第31页 |
| ·Hypertext-Induced Topic Search(HITS)算法 | 第31-32页 |
| ·Fish Search(FS)算法 | 第32页 |
| ·Shark Search(SS)算法 | 第32-33页 |
| ·InfoSpiders(IS)算法 | 第33页 |
| ·Best First(BF)算法 | 第33-34页 |
| ·基于启发式搜索的爬行策略 | 第34-38页 |
| ·启发式搜索算法 | 第34-35页 |
| ·启发式搜索算法实现 | 第35-38页 |
| 4 数据预处理 | 第38-50页 |
| ·基于层次主题树的文本聚类 | 第38-44页 |
| ·定义 | 第38-39页 |
| ·主题域划分 | 第39-41页 |
| ·特征提取 | 第41页 |
| ·层次聚合聚类算法 | 第41-43页 |
| ·AHC算法实现 | 第43-44页 |
| ·文本聚类质量评测 | 第44页 |
| ·一种基于话题关注度的热点获取 | 第44-47页 |
| ·概述 | 第44-45页 |
| ·热点话题特点分析 | 第45页 |
| ·定义和量化特征 | 第45-47页 |
| ·热点话题判定 | 第47页 |
| ·性能评价 | 第47页 |
| ·数据聚合 | 第47-50页 |
| ·定义简述 | 第47页 |
| ·OLAP和相关聚合表 | 第47-49页 |
| ·主要数据聚合软件介绍 | 第49-50页 |
| 5 灰色理论与GM(1,1)模型 | 第50-54页 |
| ·灰色理论 | 第50-51页 |
| ·概述 | 第50页 |
| ·灰色理论现状 | 第50-51页 |
| ·GM(1,1)模型 | 第51-54页 |
| ·GM(1,1)模型 | 第51-52页 |
| ·建模步骤 | 第52页 |
| ·模型检验 | 第52-53页 |
| ·模型分析 | 第53-54页 |
| 6 马尔科夫预测 | 第54-59页 |
| ·马尔科夫链 | 第54-55页 |
| ·简介 | 第54页 |
| ·马尔科夫性和马尔科夫链 | 第54页 |
| ·使用的前提条件 | 第54-55页 |
| ·马尔科夫链预测法 | 第55-59页 |
| ·三种马尔科夫链预测 | 第55页 |
| ·基于绝对分布Markov链预测 | 第55-56页 |
| ·叠加式Markov链预测 | 第56-57页 |
| ·加权式Markov链预测 | 第57-59页 |
| 7 网络舆情预测系统设计 | 第59-64页 |
| ·系统架构 | 第59-60页 |
| ·基于灰色理论和加权马尔科夫链预测算法 | 第59页 |
| ·系统架构 | 第59-60页 |
| ·预测系统建立步骤 | 第60页 |
| ·结果分析 | 第60-64页 |
| ·软硬件环境 | 第60-61页 |
| ·数据结果 | 第61-64页 |
| 8 结束语 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第70页 |